基于双评价值的二值图像分块隐藏算法

何佳，陈勇，陈登

（重庆师范大学计算机与信息科学学院，重庆 401331）

0 引言

二值图像存储简单，数据传真、文字识别、条码识别和数字签名中得到广泛应用。通过在二值图像中嵌入秘密信息，达到隐蔽传输目的，是信息隐藏方法的研究热点。基于二值图像的信息隐藏技术在商业及军事等领域得到广泛关注。二值图像信息隐藏的基本思想是利用载体图像中的冗余信息来嵌入秘密信息，相关研究大都围绕不可感知性、鲁棒性、嵌入量来展开。一般而言，在秘密信息嵌入载体图像的过程中，往往要修改载体图形的部分信息，因此如果能够修改较少的载体图像信息，而嵌入较多的秘密信息，在一定程度上便可达到较好的不可感知性、较强的鲁棒性和较大的嵌入量。二值图像的信息隐藏研究，现阶段的方法主要可分为以下几类：基于分块方式嵌入法[1-5]，基于半色调图像的嵌入法[6]、对大块图像进行结构微调法[7]，频域嵌入法等。

在现有的各种二值图像隐藏算法中，采用分块方法进行隐藏信息嵌入的算法，由于其操作相对简单，并且信息嵌入的容量也比较大，该类算法(文献[1-5])是二值图像信息隐藏的当前主流算法。该算法的核心是，将载体图像Im×n进行规则划分，得到个大小为k×k的子块；依据一定的评价指标，如利用小块中心像素修改带来的连通度和平滑度影响为指标，对所有个子块进行分析，选定评价值较好的图像块；将要嵌入的秘密信息先转化为比特流信息，依据要嵌入的比特流信息，修改块中某点的黑白像素，因是二值图像，修改就简化为像素值的反转。隐藏信息提取时，依据分块的大小k，和相同的块评价指标，可以依序找到嵌入了比特信息的块，据此可以恢复出当时嵌入的秘密信息。

在现有算法的图像块的获取中，如文献[1,2]，为了提取的高效简单，图像子块的获取是按规则划分方式对载体图像进行分块。

现有的按分块方法进行信息隐藏的算法，块的选择没有考虑图像自身的像素变化特性。对现有的算法分析可以发现，对片状全黑和全白区域是不能嵌入信息的，否则会对图像视觉效果带来较大的影响，载体图像嵌入前后有较大的视觉差异。通常选出的嵌入块会出现在图像的边缘和其附近区域，而图像边缘是依图而变，极不规则，若按传统的块划分和选取方法，大量可嵌入信息的边缘不能取到，使得载体图像可嵌入的信息量较少。本文将在现有分块比特信息嵌入的思想上，设计基于双评价值的改进二值图像分块隐藏算法，通过对载体图像自身变化的边缘分块的双向评价分析，获取比传统算法更多的可嵌入块，提升比特信息嵌入量，同时在相同的嵌入信息量时，对载体图像的视觉效果影响更小，更不易被察觉出图像的改变。

1 改进的基于块中心评价值的二值图像隐藏算法

本文将以图像中所有可能的嵌入像素点按块进行评价，被评价像素点处于k×k块的中心，所设计的算法将利用评价置函数,选出评价值相对较高的块的中心作为嵌入候选点集进行筛选，以确定比特信息隐藏位置。

1.1 评价函数的定义

二值图像像素点的修改是黑白的反转，嵌入隐藏信息带来的对载体图像的修改，将对原图造成较大的视觉影响差异。因此，对二值图像嵌入点的选择要慎重的多。文本将应用文献[4]中给出的点平滑度和连通性函数作为评价函数。其定义如下：

这里块的大小设定为3×3。水平方向、竖直方向、正对角方向和逆对角方向的四个平滑度指标和的计算公式如下：

1.2 基于双评价值的隐藏信息嵌入和提取算法

基于双评价值的二值图像分块隐藏算法的嵌入算法（3×3分块）如下：

（1）读入原始载体图像，图像大小为m×n的二值矩阵，为其处像素值；读入隐藏比特序列H,的向量为其第k个需嵌入的比特值；设定评价值阈值为T。

（3）对候选嵌入点集S1中的每个点，置反该像素点的值，重新按公式（5）计算评价值，对和皆大于某阈值T的中心点，构成新的候选嵌入点集

（4）按行优先的顺序，逐点修改点集S2，即若确定了嵌入点为时，其对应的3×3大小的块内的8个邻域点，排除在S2之外，得到实际可嵌入点集S3。

（5）利用实际嵌入点集S3，嵌入比特序列H。若嵌入点为即可，完成后嵌入后，获得的修改载体图像记为HI，与载体图像I大小相同。

基于双评价值的二值图像分块隐藏算法的信息提取算法（3×3分块）如下：

（1）读入嵌入隐藏信息后的图像HI，隐藏比特序列的长度L，评价值阈值T。

（2）对HI，按行优先序，逐点按公式（5）计算评价值和，若该点满足和都大于T，则该点像素值即为嵌入的比特信息；每提取出一个比特信息，该点所处的3×3子块的其余邻域点不再做提取信息操作。

（3）提取的比特序列长度达到L时，所有隐藏信息提取完成。

2 实验结果

2.1 基于双评价值的嵌入点选取

为验证所设计算法的有效性和性能，对1.2节所设计的二值图像信息隐藏与提取算法，在MATLAB平台上进行了仿真实验。仿真实验所用的图例如图1，有6幅不同类型的二值图像，有人物、动物、文本、水果，图标等图像，所有图像大小都是256×256。

图1 测试用的6幅二值图像

图2 Cameraman图像对应的嵌入点集

为了进一步了解嵌入点集的选取情况，表1对嵌入候选点集与实际可嵌入点集的差异进行了数量描述。从表1中可见，S3⊆S2⊆S1。总体上，S2比S1有减少，但并不显著；而S3相比S1或S2而言，有较显著的减少。平均看，S2的点数占S1的83.65%，S3的点数仅占S1的 35.61%。

表1 测试图像对应的候选点集与实际可嵌入点集

2.2 隐藏信息的嵌入效果

在获得实际可嵌入点集S3后，就可以实施隐藏信息的嵌入了。仿真实验嵌入的信息为图3所示的一幅文本二值图像，当大小为19×86时，需嵌入1634个比特。

图3 待嵌入的隐藏图像,大小19×86

对大小为19×86时的待嵌入的隐藏图像，需嵌入1634个比特。Cameraman图像能够满足嵌入比特长度要求，嵌入隐藏信息后的载体图像修改图像与原图的对比效果见图4所示。在嵌入的信息较多时，由于边缘点变化没有规则，所以嵌入前后，变化不明显。对隐藏图像，提取算法获得的信息图像见图5没有任何失真，可以完全恢复嵌入信息。

图4 测试Cameraman图像嵌入隐藏信息前后对比图

图5 提取隐藏信息后构建的图像

2.3 嵌入容量分析

总体看，不同类型的分块二值图像信息隐藏算法的嵌入容量，主要取决于可嵌入单元的数量，这与具体的嵌入分块的选取方式有关。随着评价阈值的提高，对所选嵌入点的要求也就越高，嵌入容量会下降，但选出的嵌入点的修改，对图像视觉效果的影响也越小。边缘较多的图像，其蕴含的嵌入点相对也越多。

3 结语

本文设计了一种改进的分块二值图像嵌入和提取算法。该算法侧重于在图像边缘寻找满足阈值条件的较好嵌入点，能够获取较多的可嵌入点，且嵌入图像的视觉效果较好。MATLAB平台上的仿真实验验证了所设计算法的正确性和有效性。通过对比试验分析，进一步揭示了所设计的算法具有较高的嵌入容量和较好的隐藏效果，嵌入后的图像失真较少。

参考文献：

[1]Wu M,Liu B.Data Hiding in Binary Image for Authentication and Annotation[J].Multimedia,IEEE Transactions on,2004,6(4):528-538.

[2]Yang H,Kot A C.Pattern-Based Data Hiding for Binary Image Authentication by Connectivity-Preserving[J].Multimedia,IEEE Transactions on,2007,9(3):475-486.

[3]付磊,刘九芬,张卫明等.一种无损的二值图像信息隐藏算法[J].信息工程大学学报，2012，13(4):421-425.

[4]周波,陈健.一种适用于二值图像的数字s水印算法[J].上海交通大学学报，2004，38(9):1509-1514.

[5]原迪,刘棣华.一种新的二值图像信息隐藏于提取算法.人工智能及识别技术，2009，24:97-100.

[6]Tsai C L,Fan K C,Chung C D,et al.Data Hiding of Binary Images Using Pair-Wise Logical Computation Mechanism[C].Multimedia and Expo,2004.ICME'04.2004 IEEE International Conference on.IEEE，2004，2:951-954.

[7]Filler T,Judas J,Fridrich J.Minimizing Embedding Impact in Steganography Using Trellis-Coded Quantization[C].IS&T/SPIE Electronic Imaging.International Society for Optics and Photonics，2010：754105-754105-14.